論文の概要: No One Wins in Nuclear War: A Social Simulation of Military Decision-making

• arxiv url: http://arxiv.org/abs/2608.01868v1
• Date: Mon, 03 Aug 2026 08:15:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.4045
• Title: No One Wins in Nuclear War: A Social Simulation of Military Decision-making
• Title（参考訳）: 核戦争で誰も勝てない:軍事決定の社会シミュレーション
• Abstract要約: WOPRは、組織がどのように高い意思決定を行うかを研究するための社会シミュレーション環境である。 まずは、カードゲーム「Nuclear War(核戦争)」で、公開ルールに従ってインスタンス化します。
• 参考スコア（独自算出の注目度）: 1.1586237607246477
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: WOPR is a social-simulation environment for studying how organizations make high-stakes decisions, built on a deterministic, replay-validated rules engine and using wargames as the vehicle. We instantiate it first with the published card game Nuclear War, traced against its published rules. We start with military decision-making because of its safety implications and because it needs further study, but the design is not specific to it: the decision-point contract that exposes the engine to agents is reusable across verifiable rule systems. Existing social-simulation work emphasizes persona fidelity and synthetic opinion, but lacks a verifiable rules engine with replay-checkable mechanics and private-channel negotiation. WOPR supplies that engine, and its contract makes every strategic choice an explicit agent decision. The method is agnostic to social-simulation frameworks; we adopt Concordia as the default harness for driving the game. On the same engine, WOPR layers a four-rung press ladder from silence to private single-recipient channels with structured commitments, and instantiates each faction as a collective command-and-control system rather than a single agent. We make all code, example configurations, and replay data publicly available at https://github.com/eilab-gt/wopr.
• Abstract（参考訳）: WOPRは、組織がどのように高い意思決定を行うかを研究するための社会シミュレーション環境であり、決定論的かつリプレイ検証されたルールエンジンに基づいて構築され、戦争ゲームを車として使用する。 まずは、カードゲーム「Nuclear War(核戦争)」で、公開ルールに従ってインスタンス化します。 安全上の意味と、さらなる研究が必要なため、軍による意思決定から始めるが、設計には特化していない。 既存の社会シミュレーション研究は、ペルソナの忠実さと総合的な意見を強調するが、リプレイチェック可能なメカニズムとプライベートチャネル交渉を備えた検証可能なルールエンジンは欠如している。 WOPRはそのエンジンを供給し、その契約によって全ての戦略的選択が明確なエージェント決定となる。 この手法は社会シミュレーションのフレームワークとは無関係であり、ゲームを走らせるためのデフォルトのハーネスとしてConcordiaを採用する。 同じエンジン上では、WOPRはサイレントからプライベートな単一降水チャネルへの4輪のプレスはしごを配置し、各セクタを単一のエージェントではなく、総合的なコマンド・アンド・コントロールシステムとしてインスタンス化する。 すべてのコード、例の設定、そしてhttps://github.com/eilab-gt/wopr.comで公開されているデータの再生を行います。

関連論文リスト

• MIND-CAVs: Multi-Intelligence Negotiation and Decision System for CAVs based on Intent-Driven Autonomy [5.382627382708821]
  MIND-CAVは、意図駆動の自律性に基づくコネクテッド・自動運転車(CAV)のためのフレームワークである。 各車両は、生のセンサー観測を構造化された意図表現に抽象化し、V2Xリンクを介してそれらを交換し、ロードサイドエッジサーバから一貫した調整計画を受け取る。 我々は、CARLAベースのAI-in-the-loopプラットフォームにMIND-CAVを実装し、マルチレーンハイウェイシナリオで評価する。
  論文  参考訳（メタデータ） (2026-07-16T07:46:34Z)
• When Agents Lie: Premeditation, Persistence, and Exploitation in Repeated Games [69.060029640261]
  10ラウンドにわたる同質群と異質群の6つのゲームにおけるフロンティアモデルの評価を行った。 異なるモデルは発表を無矛盾に解釈し、いくつかはバインディングのコミットメントとして、もうひとつは安価なトークとして解釈する。
  論文  参考訳（メタデータ） (2026-07-06T14:17:59Z)
• Parametric Open Source Games [78.29352305480285]
  プログラム平衡の連続的な類似であるパラメトリックオープンソースゲームを導入する。 対称な2時間2ドルゲームにおける利己的な勾配上昇が、欠陥から協調へと切り替わる正確な結合閾値を導出する。 我々は、クロスプレイヤーとセルフプレイヤーの感度の比で一階協調条件が支配されるニューラルネットワークのセマンティクスクラスにフレームワークを拡張した。
  論文  参考訳（メタデータ） (2026-06-25T14:14:24Z)
• MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
  大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。 Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。 我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
  論文  参考訳（メタデータ） (2026-05-28T07:33:47Z)
• The Oversight Game: Learning to Cooperatively Balance an AI Agent's Safety and Autonomy [9.553819152637493]
  エージェントが自律的に行動するか(プレイ)それとも延期するかを選択できる最小限の制御インタフェースについて検討する。 エージェントがフェールした場合、人間の選択によって結果が決定され、修正アクションやシステム停止につながる可能性がある。 本分析では,アライメント保証を提供するゲームクラスであるMarkov Potential Game (MPG) として,このゲームが適するケースに着目した。
  論文  参考訳（メタデータ） (2025-10-30T17:46:49Z)
• Monopoly Deal: A Benchmark Environment for Bounded One-Sided Response Games [0.0]
  カードゲームは、不確実性の下でシーケンシャルな意思決定を研究するために広く使われている。 有界片側対応ゲーム(BORG)を特徴とするゲームを指す。 我々は、この動的を隔離するベンチマーク環境として、Monopoly Dealの修正版を紹介します。
  論文  参考訳（メタデータ） (2025-10-29T01:38:19Z)
• Multi-Actor Generative Artificial Intelligence as a Game Engine [49.360775442760314]
  ジェネレーティブAIは、社会科学モデリングからインタラクティブな物語、AI評価に至るまで、マルチアクター環境で使用することができる。 ここでは、ゲームマスター(GM)が環境に責任を持ち、プレイヤーキャラクターの自発的な行動によって直接決定されないストーリーの全ての部分を生成できるテーブルトップロールプレイングゲーム(TTRPG)からインスピレーションを得るのが良い方法であると論じる。
  論文  参考訳（メタデータ） (2025-07-10T22:31:09Z)
• Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
  エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。 不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
  論文  参考訳（メタデータ） (2024-06-23T00:27:28Z)
• Human-Centric Goal Reasoning with Ripple-Down Rules [1.7874338080799543]
  ActorSimは海軍研究所で開発された目標推論フレームワークである。 この作業は、ActorSimを拡張して、人間のトレーナーがシステムによる決定に異議を唱えたときに、デモンストレーションによって学習する能力を提供する。 学習コンポーネントは、Ripple-Down Rules(RDR)を使用して、将来同様のケースを正しく扱うために、新たな決定ルールを構築する。
  論文  参考訳（メタデータ） (2024-01-30T07:52:38Z)
• Who Leads and Who Follows in Strategic Classification? [82.44386576129295]
  戦略分類における役割の順序は、決定者とエージェントが互いの行動に適応する相対周波数によって決定される。 更新頻度を自由に選択できる意思決定者は,いずれの順番でスタックルバーグ均衡に収束する学習力学を誘導できることを示す。
  論文  参考訳（メタデータ） (2021-06-23T16:48:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。